为深化经济统计学专业学生的实践应用能力，搭建理论与产业需求的桥梁，重庆财经学院于12.9日下午14:30特邀重庆理工大学数学科学学院统计与数学科学系苏理云教授在1306教室开展以“数据驱动的多维时间序列深度学习预测与异常检测”为主题的专题讲座。经济统计学专业的学生参与，沉浸式解锁数据分析与AI技术融合的新路径。
 

苏理云教授长期深耕统计建模、机器学习与数据挖掘领域，主持多项省部级科研项目，在多维时间序列分析的产业应用上积累了丰富经验。讲座开篇，他以“数据如何成为决策的‘导航仪’”为切入点，结合经济、交通、金融等领域的真实案例，指出传统单变量时间序列分析在应对多因素关联数据时的局限性，进而引出多维时间序列分析的核心价值——“像拆解经济运行的‘复杂齿轮’一样，捕捉GDP、CPI、就业率等多指标间的动态关联，让预测更精准、决策更科学”。

在“多维时间序列深度学习预测”模块，苏教授紧密结合统计学核心知识，构建“传统方法+深度学习”的对比框架。他先回顾ARIMA、VAR等经典统计模型的原理与适用场景，再通过动态演示LSTM、Transformer等深度学习模型的结构的方式，揭示深度学习在处理长时依赖数据上的优势。“以月度居民消费数据预测为例，传统模型难以兼顾节假日、政策调整等多变量影响，而基于注意力机制的深度学习模型，能精准定位关键影响因子。”教授通过代码片段演示，手把手指导学生如何将统计学中的“数据平稳性检验”“相关性分析”等步骤，融入深度学习模型的预处理环节，让理论知识落地为可操作的分析流程。

针对“异常检测”这一重点内容，苏教授聚焦其在金融风控、工业质检等领域的应用价值，系统讲解了基于统计阈值（如3σ原则）、聚类分析与深度学习（如自编码器）的三类检测方法。他以股票交易数据为例，现场演示如何通过统计学方法确定正常波动范围，再利用AI模型识别“异常交易峰值”，并强调：“异常检测不是‘找不同’，而是结合业务场景的‘风险预警’，统计学知识是判断‘异常是否有意义’的关键标尺。”

讲座后半程，苏教授将重点转向AI大模型的实操应用，围绕“数据预处理—模型调用—结果解读”三大环节展开教学。他以主流数据分析大模型为例，指导学生如何上传多维时间序列数据、设置预测参数，并通过对比模型输出的“预测曲线”与“实际数据曲线”，讲解如何用统计学指标（如MAE、RMSE）评估模型效果。“AI大模型不是‘黑箱’，而是高效工具，统计学知识就是打开‘黑箱’、验证结果可靠性的钥匙。”教授通过分组实操练习，让学生亲身体验从“数据清洗”到“生成预测报告”的完整流程，解决了学生“学了理论不会用”的痛点。